Étude d'impact sur la décision du sein PreciseDx (PDxBRUTILITY)

Le cancer du sein féminin (BC) a dépassé le cancer du poumon en tant que cancer le plus fréquemment diagnostiqué dans le monde, ce qui se traduit par 24,5 % de tous les diagnostics de cancer et 15,5 % de tous les décès par cancer. Aux États-Unis, on estime que 290 560 Américains recevront un diagnostic de cancer du sein en 2022 et que 43 780 en mourront. Compte tenu de ces statistiques, les lignes directrices de pratique clinique 2022 du National Comprehensive Cancer Network (NCCN), de l'American Society of Clinical Oncology (ASCO) et du College of American Pathologists (CAP) continuent de souligner l'importance cruciale de l'évaluation pathologique au moment du diagnostic pour établir l'étendue de maladie et caractéristiques qui reflètent un potentiel biologique de récidive, comme le grade et le stade histologiques.

Precise Dx Breast Assay (PDxBR™) est un test pronostique in vitro cliniquement approuvé par le NYSDOH pour prédire la récidive du cancer du sein chez les patientes diagnostiquées avec un IBC à un stade précoce. Le test utilise une numérisation numérique d’un échantillon de résection représentatif coloré par H&E du patient. Grâce aux progrès de l'analyse d'images basée sur les résultats de l'intelligence artificielle (IA), certaines caractéristiques du cancer invasif sont acquises et combinées avec des variables cliniques pour produire un score de risque prédisant la probabilité d'avoir une récidive du cancer du sein dans les 6 ans. Avec l'avènement des méthodes informatiques, les enquêteurs ont étudié si l'interrogation par IA d'images de lames entières (WSI) pouvait être utilisée pour améliorer la caractérisation et la précision de l'histopathologie du CSI. L’approche était basée sur la génération de caractéristiques morphologiques quantitatives et discrètes au sein d’une coupe de tissu (Morphology Feature Array, MFA) et sur l’utilisation de l’apprentissage automatique pour créer des modèles d’IA qui prédisent le risque de récidive à un stade précoce de la maladie. L'enquêteur a développé un test qui améliore la stratification du risque d'IBC par rapport à l'utilisation de caractéristiques cliniques ainsi que la reclassification du grade histologique mammaire standard en groupes à risque faible et élevé à l'aide de modèles d'IA compatibles MFA.